[发明专利]一种关键信息抽取方法、装置、设备和可读存储介质

说明书

本发明实施例公开了一种关键信息抽取方法、装置、设备和可读存储介质。该关键信息抽取方法包括：对目标文本进行内容解析，得到解析结果；其中，所述解析结果中包括：文本内容；将所述文本内容与设定字段进行正则匹配并得到正则匹配结果；根据所述正则匹配结果，确定关键信息的抽取方式，并以所述抽取方式抽取关键信息；其中，所述抽取方式包括至少两种抽取方式。本发明实施例实现了针对于不同类型的目标文本的特点，为其定制不同关键信息抽取方式，有效的提高了目标文本关键信息抽取的效率。

技术领域

本发明涉及文档处理技术领域，尤其涉及一种关键信息抽取方法、装置、设备和可读存储介质。

背景技术

在现今信息大爆炸的时代，文本的信息量也在显著增加，主要体现在文本的内容广、字数多。一些系统性报告如研究报告、公司年报和分析报告，一篇报告动辄数十万字到数百万字。准确、迅速地从这些文章获取关键信息，把握文章的主题，对于节省阅读人员的精力，降低信息处理时间具有重要意义。

目前，文章的关键信息大多通过人工阅读文本，总结记录得到。此方法的准确率高，能够面向复杂文本得到较为优质的关键信息，但人工成本极高，亟需一种能够准确、快速地从文章中自动抽取关键信息的方法。

发明内容

本发明实施例提供一种关键信息抽取方法、装置、设备和可读存储介质，以实现准确、快速地从文章中自动抽取关键信息的目的。

第一方面，本发明实施例提供了一种关键信息抽取方法，所述方法包括：

对目标文本进行内容解析，得到解析结果；其中，所述解析结果中包括：文本内容；

将所述文本内容与设定字段进行正则匹配并得到正则匹配结果；

根据所述正则匹配结果，确定关键信息的抽取方式，并以所述抽取方式抽取关键信息；其中，所述抽取方式包括至少两种抽取方式。

可选的，所述根据所述正则匹配结果，确定关键信息的抽取方式，包括：

建立所述正则匹配结果与所述关键信息的抽取方式的关联关系；

若所述正则匹配成功，则确定关键信息的抽取方式第一抽取方式；

若所述正则匹配不成功，则确定关键信息的抽取方式为第二抽取方式。

可选的，所述对目标文本进行内容解析，得到解析结果，包括：

将所述目标文本的格式变换为预设格式，得到格式变换结果；

从所述格式变换结果中选取目标格式的文件作为所述解析结果。

可选的，所述以所述抽取方式抽取关键信息包括：

若所述抽取方式确定为第一抽取方式，则确定关键信息区块，并从所述关键信息区块中抽取关键信息。

可选的，所述将所述文本内容与设定字段进行正则匹配并得到正则匹配结果，包括：

将所述文本标题与目录字段进行正则匹配；

将位于所述目录字段之前的所述正文文本与摘要字段和关键字字段进行正则匹配，并得到正则匹配结果。

可选的，在所述对目标文本进行内容解析，得到解析结果之前，还包括：

接收输入文本，并检查所述输入文本的格式；

若所述输入文本的格式满足设定要求，则将所述输入文本划分为目标文本。

可选的，所述以所述抽取方式抽取关键信息包括：

若所述抽取方式确定为第二抽取方式，将所述目标文本输入到语言分析模型中；

通过所述语言分析模型抽取所述目标文本的关键信息。